Análise de um database de vendas

Bibliotecas

import pandas as pd
import plotly_express as px

C:\Users\Administrador\AppData\Local\Temp\ipykernel_8420\2416028524.py:1: DeprecationWarning: 
Pyarrow will become a required dependency of pandas in the next major release of pandas (pandas 3.0),
(to allow more performant data types, such as the Arrow string type, and better interoperability with other libraries)
but was not found to be installed on your system.
If this would cause problems for you,
please provide us feedback at https://github.com/pandas-dev/pandas/issues/54466
        
  import pandas as pd

Database

vendas = pd.read_excel('vendas.xlsx')

vendas.head()

	id_pedido	data	loja	cidade	estado	regiao	tamanho	local_consumo	preco	forma_pagamento	ano_mes
0	PED1994	2020-01-01	Loja 4	Santos	São Paulo	Sudeste	300ml	Consumo no local	5	Dinheiro	2020-01
1	PED2246	2020-01-01	Loja 6	Florianópolis	Santa Catarina	Sul	500ml	Consumo no local	11	Débito	2020-01
2	PED3876	2020-01-01	Loja 3	Rio de Janeiro	Rio de Janeiro	Sudeste	300ml	Delivery	7	Crédito	2020-01
3	PED4352	2020-01-01	Loja 1	Fortaleza	Ceará	Nordeste	1000ml	Consumo no local	7	Débito	2020-01
4	PED8633	2020-01-01	Loja 5	São Paulo	São Paulo	Sudeste	200ml	Delivery	9	Crédito	2020-01

Visualizações

Códigos

#Gráfico de faturamento por loja

fig1 = px.histogram(vendas, 
                   x="loja",
                   y= "preco",
                   color="regiao", 
                   text_auto = "True" , 
                   width=800,
                   height=600,
                   title='Faturamento por Loja',
                   labels={'regiao': 'Região','loja':'Loja'},
                   category_orders=dict(loja=["Loja 1", "Loja 2", "Loja 3", "Loja 4", "Loja 5", "Loja 6"])
                  )

faturamento_loja = fig1.update_layout(yaxis_title='Total de Faturamento')


#Grafico faturamento por tamanho

fig2 = px.histogram(vendas,
                   x="tamanho", 
                   y="preco",
                   width = 800,
                    color = 'tamanho',
                   height = 600,
                   category_orders=dict(tamanho=["200ml", "300ml", "500ml", "700ml", "1000ml"]), 
                   title = 'Faturamento por tamanho', 
                   labels={'tamanho': 'Tamanho'},
                   text_auto = "True" 
                  )

faturamento_tamanho = fig2.update_layout(yaxis_title = 'Faturamento')


#Gráfico formas de pagamento

formas_pagamento = px.pie(vendas,
            names = 'forma_pagamento',
            title = 'Formas de pagamento mais usadas',
            width=700, 
            height=700
            )


#Gráfico locais de consumo



locais_consumo = px.pie(vendas,
            names = 'local_consumo',
            title = 'Local de consumo',
            width=700, 
            height=700
            )


#Gráfico vendas por período 

venda_periodo = vendas['data'].value_counts().sort_index()
venda_periodo1 = venda_periodo.reset_index()
vendas_periodo2 = px.line(venda_periodo1,
               x = 'data',
               y='count'
              )

C:\Users\Administrador\AppData\Local\Programs\Python\Python312\Lib\site-packages\plotly\express\_core.py:2065: FutureWarning: When grouping with a length-1 list-like, you will need to pass a length-1 tuple to get_group in a future version of pandas. Pass `(name,)` instead of `name` to silence this warning.
  sf: grouped.get_group(s if len(s) > 1 else s[0])
C:\Users\Administrador\AppData\Local\Programs\Python\Python312\Lib\site-packages\plotly\express\_core.py:2065: FutureWarning:

When grouping with a length-1 list-like, you will need to pass a length-1 tuple to get_group in a future version of pandas. Pass `(name,)` instead of `name` to silence this warning.

Gráficos

vendas_periodo2

faturamento_loja

faturamento_tamanho

formas_pagamento

locais_consumo